SupeSite支持手工采集和智能采集需要您自己配置采集规则

　　SupeSite支持手工采集和智能采集需要您自己配置采集规则

　　SupeSite支持手动采集和智能采集，手动采集需要配置采集规则，智能采集只需要添加需要采集的URL地址，程序会自动您的采集网站 信息。接下来给大家介绍两个采集方法：

　　一、手工采集:

　　手动采集是指自己配置采集规则。打开SupeSite的“系统设置”，点击“新闻管理”的“采集器”，然后点击“添加新机器人”。

　　先简单说明一下采集器的基本原理和制作思路：

　　1、确定你要采集哪个页面的新闻，并在“列表页面采集设置”的地址框中填写这些页面的地址；

　　2、 确保你想要这些页面上采集的内容区域，因为不是一个网页的所有内容都需要采集回来，而是采集的一部分内容一个网页，所以你必须告诉程序你到采集区，即“列出区识别规则”；

　　3、Step 2 确定区域后，告诉程序你想要采集的文章链接，即“文章link url识别规则”。

　　4、 现在已经确定了采集 大框架。接下来我们需要告诉程序在一个文章页面上，文章的title（“文章title识别规则”），文章的出处跟作者有什么区别。然后是文章内容的范围，也就是说，在一个文章页面中，真正需要采集的范围是“文章Content Identification Rules”。最后，设置分页区域和分页的链接地址。

　　5、 以上4步就确定了采集的范围。如果您需要过滤标题和内容，请根据您的要求为每个项目设置过滤设置，例如“文章Title 过滤规则”和“文章Content 过滤规则”等。

　　以上确定范围的步骤都是通过查看页面的源代码来设置的。拦截方法需要一定的经验。练习2-3遍就可以理解了。

　　接下来介绍采集器的基本原理和步骤：

　　第一部分：打开SupeSite的“系统设置”，点击“新闻管理”的“采集器”，然后点击“添加新机器人”。

　　这里需要指出的是：单个采集号和自动导入。单个采集的数量应设置得尽可能小，以避免超时。自动导入，请选择信息类别，可以直接将采集的结果导入信息库。如下图：

　　第二部分：填写“list page采集”和“采集page code”。请填写采集的页面地址（列表页面地址）。这个分为手动输入和自动输入：手动输入需要你逐行输入需要的采集地址。自动增长只需填写采集页的地址和页码，用[page]替换分页变量即可。如下图：

　　点击上图，尝试链接，可以看到如下图的页面，这样就可以判断你的服务器是否可以链接到想要采集的网站，也就是检查服务器是否允许采集，如果这里不能显示链接，就不能采集这个页面。

　　设置“采集page encoding”，它是你采集网页的编码，不是你网站的编码。记住这里！ ！如下图：

　　第三部分：设置“列表区域”和“文章link”的识别规则。如下图，填写列表区的规则和文章链接的规则。 采集的内容范围替换为[list]，采集文章的标题替换为[url]。 文章Link URL删除和过滤规则，请参考图片中的详细说明，这里不再赘述。

　　第四部分：设置“文章Title”识别规则，如下图，文章Title替换为[subject]。 文章标题过滤规则、淘汰规则、替换规则，包括关键字，请参考图片中的详细说明，这里不再赘述。

　　第五：设置“文章内容”的识别规则，如下四张图，均属于文章内容识别规则。 文章内容替换为[message]，分页区替换为[pagearea]，分页链接替换为[page]，信息来源替换为[from]，文章author替换为[author]。同上，一些过滤、剔除等规则请参考图片中的详细说明，这里不再赘述。

　　以下几点：

　　文章Content 格式化：此操作将去除网页的冗余生成，并根据原创段落对文章内容进行分割。格式化过程是程序自动分析的，会有一些错误。

　　将内容中的图片保存到本地，将内容中的FLASH保存到本地。这里可以选择是否将采集的图片和Flash保存到本地。如果要将对方网站的图片保存在自己的服务器上，请选择“是”！

　　至此，你已经设置了一条采集规则，然后点击“开始采集”，采集完成后点击“查看结果”。最后将采集的内容导入信息中。这里有一点：采集的内容只能导入新闻频道。

　　这里的重点是导入后删除而不是删除。如果选择删除，来自采集的信息导入后将无法再次使用。

　　二、智能采集：

　　Smart采集 为您提供了一种非常简单易用的采集 方法。只需在地址框中添加您需要采集的站点地址，然后点击开始采集。

　　Smart采集集成在manual采集中，您只需在地址框中填写采集的地址，然后点击提交即可。

　　欲了解更多详情，请访问我们的网站：或联系我们：

　　1